Git Stars Git Stars

#vlm リポジトリ

#vlmのタグが付いた、GitHub上の89件のアクティブなオープンソースリポジトリをご覧ください。合計スター数は457,898個で、プロジェクトあたりの平均は5,144個です。このトピックをリードしているのは、169,339個のスターを獲得しているhuggingface/transformersです。

89
リポジトリ総数
457,898
合計スター数
5,144
リポジトリあたりの平均スター数

リポジトリ合計89件

1
huggingface/transformers

🤗 Transformers: テキスト、ビジョン、オーディオ、多モーダルモデルにおける最先端の機械学習モデル向けのモデル定義フレームワーク。推論とトレーニングの両方に使用。

huggingface
⭐ 169,339 Python 👤 huggingface Organization 🕐 更新日時 2026-11-21 📅 作成日 2018-10-29
2
bytedance/UI-TARS-desktop

オープンソース・マルチモーダルAIエージェントスタック:最先端AIモデルとエージェントインフラの接続

bytedance
⭐ 39,583 TypeScript 👤 bytedance Organization 🕐 更新日時 2026-10-09 📅 作成日 2025-01-19
3
sgl-project/sglang

SGLangは、大規模言語モデルおよびマルチモーダルモデルのための高性能サービングフレームワークです。

sgl-project
⭐ 38,899 Python 👤 sgl-project Organization 🕐 更新日時 2026-11-21 📅 作成日 2024-01-08
4
JuneYaooo/rea-video

あらゆる動画をショットごとにリバースエンジニアリング。実写、AI生成、コード制作のどれなのかを見極め、再現方法まで解説します。分析結果はオープンなVIDEO.md形式で出力。

JuneYaooo
⭐ 11,577 Python 👤 JuneYaooo User 🕐 更新日時 2026-11-21 📅 作成日 2026-10-29
5
StarTrail-org/PixelRAG

https://arxiv.org/abs/2606.28344. ウェブパースの終焉。スケーラブルなピクセルネイティブ検索の始まり。リンク: https://pixelrag.ai/

StarTrail-org
⭐ 10,976 Python 👤 StarTrail-org Organization 🕐 更新日時 2026-11-19 📅 作成日 2026-05-29
6
RunanywhereAI/runanywhere-sdks

AIをローカルで実行するための本番環境対応ツールキット

RunanywhereAI
⭐ 10,354 C++ 👤 RunanywhereAI Organization 🕐 更新日時 2026-11-10 📅 作成日 2025-07-22
7
roboflow/notebooks

最先端のコンピュータービジョンモデルと技術に関するチュートリアルのコレクション。ResNetのような基本的なアーキテクチャから、RF-DETR、YOLO11、SAM 3、Qwen3-VLのような最先端モデルまで、すべてを探求できます。

roboflow
⭐ 9,749 Jupyter Notebook 👤 roboflow Organization 🕐 更新日時 2026-09-22 📅 作成日 2022-11-18
8
yzhao062/anomaly-detection-resources

異常検知関連の書籍、論文、ビデオ、ツールボックス。LLMとVLMの作業については2025年末に最終更新!

yzhao062
⭐ 9,457 Python 👤 yzhao062 User 🕐 更新日時 2026-03-02 📅 作成日 2018-05-16
9
oumi-ai/oumi

Qwen、Gemma、または任意のオープンなエージェント型LLM/VLMを簡単にファインチューニング(SFT/RL)し、評価してデプロイできます!

oumi-ai
⭐ 9,441 Python 👤 oumi-ai Organization 🕐 更新日時 2026-11-21 📅 作成日 2024-05-07
10
qualcomm/GenieX

数行のコードで、Qualcommデバイス上でNPU、GPU、CPUを横断して最先端のLLMとVLMをローカル実行

qualcomm
⭐ 8,544 Go 👤 qualcomm Organization 🕐 更新日時 2026-11-20 📅 作成日 2024-08-16
11
PaddlePaddle/ERNIE

ERNIE 4.5 および ERNIEKit の公式リポジトリ – PaddlePaddle を基盤とした産業用開発ツールキット。

PaddlePaddle
⭐ 7,739 Python 👤 PaddlePaddle Organization 🕐 更新日時 2026-07-24 📅 作成日 2019-03-03
12
om-ai-lab/VLM-R1

強化されたVLMによる視覚的理解の解決

om-ai-lab
⭐ 6,048 Python 👤 om-ai-lab Organization 🕐 更新日時 2026-07-07 📅 作成日 2025-02-06
13
OpenBMB/UltraRAG

複雑で革新的なRAGパイプラインを構築するためのローコードMCPフレームワーク

OpenBMB
⭐ 5,748 Python 👤 OpenBMB Organization 🕐 更新日時 2026-11-21 📅 作成日 2025-01-16
14
changyeyu/LLM-RL-Visualized

🌟100以上のオリジナルLLM/RL図解📚、「大規模モデルアルゴリズム」著者渾身の作! 💥(100以上のLLM/RLアルゴリズムマップ)

changyeyu
⭐ 5,032 Python 👤 changyeyu User 🕐 更新日時 2026-09-10 📅 作成日 2025-04-26
15
joanrod/star-vector

StarVectorは、ベクトル化をコード生成タスクに変換するSVG生成のための基盤モデルです。ビジョン言語モデリングアーキテクチャを使用して、StarVectorは視覚的およびテキストの両方の入力を処理し、驚くべき精度で高品質のSVGコードを生成します。

joanrod
⭐ 4,639 Python 👤 joanrod User 🕐 更新日時 2025-11-07 📅 作成日 2023-12-11
16
EvolvingLMMs-Lab/lmms-eval

テキスト、画像、ビデオ、オーディオ タスクのための One-for-All マルチモーダル評価ツールキット

EvolvingLMMs-Lab
⭐ 4,501 Python 👤 EvolvingLMMs-Lab Organization 🕐 更新日時 2026-11-20 📅 作成日 2024-03-07
17
Hunyuan-PromptEnhancer/PromptEnhancer

[CVPR 2026] PromptEnhancer は、プロンプトを書き直すツールで、プロンプトをより明確で構造化されたバージョンに洗練し、画像生成を向上させます。

Hunyuan-PromptEnhancer
⭐ 3,808 Python 👤 Hunyuan-PromptEnhancer Organization 🕐 更新日時 2026-08-18 📅 作成日 2025-09-09
18
modelscope/evalscope

効率的な大規模モデル(LLM、VLM、AIGC)の評価とパフォーマンスベンチマークのための、合理化されたカスタマイズ可能なフレームワーク。

modelscope
⭐ 3,715 Python 👤 modelscope Organization 🕐 更新日時 2026-11-20 📅 作成日 2023-12-07
19
mit-han-lab/llm-awq

[MLSys 2024 Best Paper Award] AWQ: LLMの圧縮と加速のためのアクティベーションを意識した重み量子化

mit-han-lab
⭐ 3,590 Python 👤 mit-han-lab Organization 🕐 更新日時 2025-07-17 📅 作成日 2023-06-01
20
SoMarkAI/OXR

ポストトレーニング中にRSIループを使用し、最先端の精度と速度を実現するオープンソースの文書解析モデル。

SoMarkAI
⭐ 3,549 Python 👤 SoMarkAI Organization 🕐 更新日時 2026-11-06 📅 作成日 2026-10-05
21
MiniMax-AI/MiniMax-01

線形アテンションに基づく大規模言語モデルおよびビジョン・言語モデルであるMiniMax-Text-01およびMiniMax-VL-01の公式リポジトリ

MiniMax-AI
⭐ 3,445 Python 👤 MiniMax-AI Organization 🕐 更新日時 2025-07-07 📅 作成日 2025-01-14
22
xlang-ai/OSWorld

[NeurIPS 2024] OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments

xlang-ai
⭐ 3,273 Python 👤 xlang-ai Organization 🕐 更新日時 2026-11-14 📅 作成日 2023-10-16
23
SkyworkAI/Skywork-R1V

Skywork-R1Vは、Skywork AIが開発した高度なマルチモーダルAIモデルシリーズで、視覚言語推論に特化しています。

SkyworkAI
⭐ 3,174 Python 👤 SkyworkAI Organization 🕐 更新日時 2026-07-29 📅 作成日 2025-03-15
24
SharpAI/DeepCamera

オープンソースAIカメラスキル・プラットフォーム、AI NVR&CCTV監視。Qwen、DeepSeek、SmolVLM、LLaVA、YOLO26を使用したローカルVLMビデオ分析。LLM駆動のエージェンシーセキュリティカメラエージェント — Telegram、Discord、あるいはSlackを通じてあなたの家を監視し、理解し、記憶し、守ります。プラグイン可能なAIスキル。OpenAI、Google、AnthropicまたはローカルAI。Mac MiniとAI PCで動作します。

SharpAI
⭐ 3,144 JavaScript 👤 SharpAI Organization 🕐 更新日時 2026-09-17 📅 作成日 2019-03-05
25
QiuYannnn/Local-File-Organizer

ローカルのテキストや画像を整理してプライバシーを確保するAI搭載ファイル管理ツール。Llama3.2 3BおよびLlava v1.6モデルとNexa SDKを使用し、ファイルを直感的にスキャン、再構築、整理して、迅速でシームレスなアクセスと簡単な取得を実現します。

QiuYannnn
⭐ 3,069 Python 👤 QiuYannnn User 🕐 更新日時 2024-10-21 📅 作成日 2024-09-21
26
lightseekorg/tokenspeed

TokenSpeedは光速のLLM推論エンジンです。

lightseekorg
⭐ 2,944 Python 👤 lightseekorg Organization 🕐 更新日時 2026-11-21 📅 作成日 2026-05-06
27
om-ai-lab/OmAgent

[EMNLP-2024] 迅速なプロトタイプと本番運用のためのマルチモーダル言語エージェントの構築

om-ai-lab
⭐ 2,670 Python 👤 om-ai-lab Organization 🕐 更新日時 2026-10-16 📅 作成日 2024-07-04
28
llmsresearch/paperbanana

Google ResearchのPaperBananaのオープンソース実装および拡張で、学術的図表・図解・研究ビジュアルを自動化し、スライド生成などの新たな領域へ拡張しています。

llmsresearch
⭐ 2,496 Python 👤 llmsresearch Organization 🕐 更新日時 2026-09-17 📅 作成日 2026-02-04
29
zai-org/GLM-V

GLM-4.6V/4.5V/4.1V-思考:スケーラブルな強化学習による汎用的なマルチモーダル推論に向けて

zai-org
⭐ 2,406 Python 👤 zai-org Organization 🕐 更新日時 2026-11-06 📅 作成日 2025-06-28
30
BAAI-Agents/Cradle

Cradleフレームワークは、一般コンピュータ制御(GCC)の最初の試みです。Cradleは、最小限の要件を備えた標準化された一般的な環境で、強力な推論能力、自己改善、スキルキュレーションを可能にすることで、エージェントがあらゆるコンピュータタスクを習得できるようにサポートします。

BAAI-Agents
⭐ 2,394 Python 👤 BAAI-Agents Organization 🕐 更新日時 2024-11-07 📅 作成日 2024-03-03
31
heshengtao/comfyui_LLM_party

ComfyUIのLLMエージェントフレームワークには、MCPサーバー、Omost、GPT-sovits、ChatTTS、GOT-OCR2.0、FLUXプロンプトノードが含まれており、Feishu、discordにアクセスでき、o1、ollama、gemini、grok、qwen、GLM、deepseek、kimi、doubaoのようなopenai / aisuiteインターフェイスを持つすべてのLLMに適応します。llama-3.3 Janus-Pro、Linkage GraphRAGなどのローカルLLM、VLM、ggufに適応しました。

heshengtao
⭐ 2,393 Python 👤 heshengtao User 🕐 更新日時 2026-07-29 📅 作成日 2024-04-13
32
DanOps-1/Gpt-Agreement-Payment

ChatGPT Plus/Team/Pro 購読プロトコル端到端リプレイツールキット · hCaptcha ビジュアルソルバー · 詐欺防止メカニズムの実証研究 / ChatGPT Plus/Team/Pro 購読のための端到端プロトコルリプレイツールキット、ゼロから構築した hCaptcha ソルバーと実証的な詐欺防止研究

DanOps-1
⭐ 2,313 Python 👤 DanOps-1 User 🕐 更新日時 2026-06-15 📅 作成日 2026-04-27
33
cosmo-wander-ai/cosmo-edge

Sophon、Rockchip RKNN、x86に対応した、動画分析およびデバイス上のVLM向け本番対応C++エッジAIエンジン。ビジュアルオーケストレーション、リアルタイムOSD、イベント処理、再現可能なベンチマークを搭載。

cosmo-wander-ai
⭐ 2,106 C 👤 cosmo-wander-ai Organization 🕐 更新日時 2026-11-20 📅 作成日 2026-06-09
34
CryptoAILab/Awesome-LM-SSP

大規模モデルの安全性、セキュリティ、プライバシーに関する読書リスト(Awesome LLM Security、Safetyなどを含む)。

CryptoAILab
⭐ 2,106 👤 CryptoAILab Organization 🕐 更新日時 2026-09-02 📅 作成日 2024-01-09
35
yueliu1999/Awesome-Jailbreak-on-LLMs

Awesome-Jailbreak-on-LLMsは、LLMにおける最先端の斬新でエキサイティングな脱獄手法のコレクションです。論文、コード、データセット、評価、分析が含まれています。

yueliu1999
⭐ 2,034 👤 yueliu1999 User 🕐 更新日時 2026-11-08 📅 作成日 2024-06-27
36
NVIDIA-AI-Blueprints/video-search-and-summarization

NVIDIA AI ビデオ検索・要約(VSS)ブループリントは、リアルタイム検証アラート、ビジュアルQ&A、自動レポート機能を備えたビデオ分析エージェントを構築するためのGPUアクセラレーション対応リファレンスアーキテクチャです。VSSブループリントは、NVIDIA Cosmosなどの視覚言語モデル(VLM)、NVIDIA NemotronなどのLLM、RAG、およびNVIDIA NIMを使用します。

NVIDIA-AI-Blueprints
⭐ 2,003 Python 👤 NVIDIA-AI-Blueprints Organization 🕐 更新日時 2026-11-21 📅 作成日 2024-10-22
37
2U1/Qwen-VL-Series-Finetune

Alibaba CloudによるQwen-VLシリーズのファインチューニングのためのオープンソース実装。

2U1
⭐ 1,983 Python 👤 2U1 User 🕐 更新日時 2026-09-09 📅 作成日 2024-09-10
38
browser-use/macOS-use

AIエージェントのためにMacアプリをアクセス可能にする

browser-use
⭐ 1,948 Python 👤 browser-use Organization 🕐 更新日時 2025-03-05 📅 作成日 2025-01-23
39
Core-Mate/OpenGUI

OpenGUIは、スマートフォン向けAIのためのAndroid GUIエージェントフレームワークであり、GUIを通じて実際のモバイルアプリを認識、計画、操作することができます。

Core-Mate
⭐ 1,814 HTML 👤 Core-Mate Organization 🕐 更新日時 2026-11-16 📅 作成日 2026-04-18
40
Tencent/AngelSlim

使いやすさ、包括性、効率性を向上させるために設計されたモデル圧縮ツールキット。

Tencent
⭐ 1,811 Python 👤 Tencent Organization 🕐 更新日時 2026-11-20 📅 作成日 2025-07-04
41
software-mansion/react-native-executorch

PyTorch の ExecuTorch ランタイムを基盤とする、React Native 向けの高性能かつプライバシー重視のオンデバイス AI 推論ライブラリ

software-mansion
⭐ 1,794 TypeScript 👤 software-mansion Organization 🕐 更新日時 2026-11-20 📅 作成日 2024-10-16
42
coderonion/awesome-yolo-object-detection

🚀🚀🚀 いくつかの素晴らしい公開YOLOオブジェクト検出シリーズプロジェクトと関連するオブジェクト検出データセットのコレクション。

coderonion
⭐ 1,747 👤 coderonion User 🕐 更新日時 2025-05-31 📅 作成日 2022-02-19
43
zapdos-labs/unblink

VLMを使用したカメラ監視

zapdos-labs
⭐ 1,518 Go 👤 zapdos-labs Organization 🕐 更新日時 2026-03-09 📅 作成日 2025-11-05
44
peterdsharpe/AeroSandbox

計算グラフ変換(例: 自動微分)による高速な航空機設計最適化。空気力学、推進、構造、軌道設計などに対する構成可能な分析ツール。

peterdsharpe
⭐ 1,400 Jupyter Notebook 👤 peterdsharpe User 🕐 更新日時 2026-10-30 📅 作成日 2019-05-15
45
gokayfem/awesome-vlm-architectures

200種類以上の視覚言語モデル(VLM/MLLM)アーキテクチャを厳選したビジュアルカタログ。論文、図解、学習レシピ、データセットに加え、マルチモーダルAIエージェントのリリース年表を掲載。

gokayfem
⭐ 1,368 Markdown 👤 gokayfem User 🕐 更新日時 2026-10-27 📅 作成日 2024-02-15
46
fpgaminer/joycaption

JoyCaptionは、コミュニティが拡散モデルのトレーニングに使用できるように、ゼロから構築された無料、オープン、検閲なしのモデルであり、画像キャプション作成用のビジュアル言語モデル(VLM)です。

fpgaminer
⭐ 1,303 Jupyter Notebook 👤 fpgaminer User 🕐 更新日時 2026-02-24 📅 作成日 2024-10-12
47
zai-org/CogAgent

オープンソースのエンドツーエンドVLMベースGUIエージェント

zai-org
⭐ 1,201 Python 👤 zai-org Organization 🕐 更新日時 2026-10-12 📅 作成日 2023-11-28
48
InternRobotics/InternNav

汎用ナビゲーション基盤モデルを構築するためのInternRoboticsのオープンプラットフォーム。

InternRobotics
⭐ 1,189 Jupyter Notebook 👤 InternRobotics Organization 🕐 更新日時 2026-03-10 📅 作成日 2025-07-24
49
RainBowLuoCS/Gamer

Gamerの公式実装:長期的な時間軸で動作するリアルタイムゲームエージェント向け汎用視覚・言語・行動基盤モデル

RainBowLuoCS
⭐ 1,179 👤 RainBowLuoCS User 🕐 更新日時 2026-11-16 📅 作成日 2026-10-30
50
momozi1996/awesome-ai-persona-skills

ウェブ上で最も包括的で、継続的に更新され、最も人気のある100以上の人格蒸留スキル集|マルチエージェントシステム|全カテゴリー:有名人/監督/ネットの伝説/古典/アニメ/職場/感情

momozi1996
⭐ 1,129 Shell 👤 momozi1996 User 🕐 更新日時 2026-09-02 📅 作成日 2026-04-10

よくある質問

1

GitHubで最も人気のある#vlmリポジトリは何ですか?

GitHubで最も上位にランクインしているオープンソースの#vlmプロジェクトは、169,339個のスターを獲得しているhuggingface/transformersです。🤗 Transformers: テキスト、ビジョン、オーディオ、多モーダルモデルにおける最先端の機械学習モデル向けのモデル定義フレームワーク。推論とトレーニングの両方に使用。

2

#vlmリポジトリで最もよく使われているプログラミング言語は何ですか?

GitHubで上位にランクインしている#vlmプロジェクトでは、Python, Jupyter Notebook, TypeScript, Goが最も一般的なプログラミング言語です。

3

#vlmリポジトリのランキングはどのように算出されていますか?

#vlmのタグが付いた89件のアクティブなオープンソースリポジトリ(スター500個以上)を追跡しています。合計スター数は457,898個で、リポジトリあたりの平均は5,144個です。ランキングはGitHub APIからのデータに基づいて毎日更新されます。